Bridging the Gap between Partially Observable Stochastic Games and Sparse POMDP Methods
提出融合 POMDP 信念近似与信息集博弈均衡搜索的统一框架，从理论上界定近似误差并通过数值示例验证，以支持大状态空间 POSG 规划。
2024-10-28 cs.GT
Acquisition Games with Partial-Asymmetric Information
我们考虑一个例子的随机博弈部分，非对称和非经典信息。我们获得相关的均衡政策，使用一种新的方法，允许管理的信念更新的结构化方式。智能体只能访问部分信息更新，我们的方法是考虑最优开环控制，直到信息更新。代理不断控制他们的泊松搜索时钟的速率来获取锁，代理在其他人获得奖励之前获得所有锁。然而，代理人没有关于其他人的获取状态的信息，并且将产生与其费率过程成比例的成本。我们解决了两个代理和两个锁的情况下的问题，并证明了$N$ -代理的结果。我们发现，一对（部分）状态依赖的时间阈值政策形成一个纳什均衡。
2019-09-14 cs.GT
Playing games in an uncertain world
传统的博弈论假设参与者都知道游戏规则。然而，在实践中，玩家通常不知道或仅具有关于他们正在玩的游戏的部分知识。他们也可能知道其他玩家对他们正在玩的游戏只有部分了解，他们可以尝试利用这一点。我们提出了一个新的数学公式，这样的游戏。我们使用Kripke语义，这是一种跟踪不同玩家对世界了解和不了解的方法。我们提出了这样的游戏的均衡的概念，并表明，均衡总是存在的。
2014-02-19 cs.GT
Nash Equilibria in Symmetric Games with Partial Observation
我们研究了一个模型，代表大型多人游戏，满足强对称性。该模型由多个竞技场副本组成;每个玩家在自己的竞技场中进行游戏，并且可以部分观察其他玩家的行为。因此，该博弈具有部分信息和对称性约束，这使得纳什均衡的计算变得困难。我们展示了几个不可判定的结果，并为有界记忆策略，我们精确地描述了计算纯纳什均衡（定性目标）在这个游戏模型的复杂性。
2014-04-03 cs.GT cs.LO
Bounded-Memory Strategies in Partial-Information Games
该研究针对部分信息随机博弈，证明了有界记忆下零和值近似的NP难度，给出了多人博弈ε-Nash均衡存在性判定及求解的复杂度上界，改进了多类特殊博弈的研究结论。
2024-05-15 cs.GT
The Fixed Initial Credit Problem for Partial-Observation Energy Games is Ack-complete
本文研究了具有非对称部分观测和能量目标的二人博弈。这样的游戏是在一个加权自动机上进行的，夏娃选择行动，亚当选择一个标有给定行动的过渡。夏娃试图保持权重（所采取的转换）的总和为非负，而亚当试图做相反的事情。夏娃并不知道游戏的确切状态，她只是被赋予了一个包含它的等价状态类，相反，亚当有充分的观察力。我们证明了这些游戏的固定初始信用问题是ACK完全的。
2016-11-16 cs.GT cs.LO
A Partially Defined Game with Costs
本文提出带有成本的部分定义合作游戏，研究如何在考虑成本影响的情况下确定合作游戏的解和最佳退出规则。
2025-11-25 cs.GT math.OC
Partial-Observation Stochastic Games: How to Win when Belief Fails
在图上部分观察的两人有限状态随机博弈中，在图的每个状态中，参与者同时选择一个行动，他们的联合行动决定了后继状态的概率分布。我们考虑可达性目标，其中参与人1试图确保目标状态几乎肯定或积极地被访问。在信息的基础上，游戏可以是单边的，即（a）参与者1或（b）参与者2具有部分观察，或者是双边的，即两个参与者都具有部分观察。在随机化的基础上，（a）玩家可能不被允许使用随机化（纯策略），或者（b）可以选择概率分布，但实际的随机选择是不可见的（行动不可见），或者（c）可以使用完全随机化。我们对纯策略的研究结果如下：（1）对于参与人2完全观察的单边博弈，我们证明了基于信念的策略是不充分的，并给出了几乎肯定获胜策略和正获胜策略的记忆指数上界;我们证明了决定参与人1的几乎肯定和积极获胜策略的存在性的问题是EXPTIME-完整的和目前的符号算法，避免显式指数建设。（2）对于参与人1完全观察的单边博弈，我们证明了非基本记忆对于几乎肯定获胜策略和积极获胜策略都是必要的和充分的。(3)We表明，对于双方的情况下，有限的记忆策略是足够的积极和几乎肯定的胜利。我们建立了几乎肯定获胜问题的纯策略与随机策略的行动不可见的等价性。我们的等价结果表现出严重的缺陷，在以前的结果在文献中：我们显示了一个非基本的记忆下界几乎肯定获胜，而指数上界声称。
2011-07-11 cs.GT
Bidding Graph Games with Partially-Observable Budgets
两个玩家的零和“图形游戏”是一个中心模型，其过程如下。一个令牌被放置在图的一个顶点上，两个玩家移动它来产生一个无限的“游戏”，这决定了游戏的赢家或收益。传统上，玩家轮流移动代币。然而，在“出价游戏”中，玩家有预算，在每一轮中，拍卖（出价）决定哪个玩家移动代币。到目前为止，投标博弈仅被作为完全信息博弈来研究。在这项工作中，我们开始研究部分信息投标游戏：我们研究投标游戏中，玩家的初始预算是从一个已知的概率分布。我们表明，虽然对于某些投标机制和目标，它是直接适应的结果从全信息设置的部分信息设置，对于其他人，分析是更具挑战性的，需要新的技术，并产生有趣的结果。具体来说，我们研究游戏的“平均回报”的目标结合“穷人”投标。我们构建了一个部分知情的球员谁对一个完全知情的对手发挥最佳策略。我们发现，有点令人惊讶的是，在纯策略下的“价值”不一定存在于这样的游戏。
2022-11-24 cs.FL cs.GT
The Complexity of Partial-observation Stochastic Parity Games With Finite-memory Strategies
我们考虑有限状态图上的两个局中人部分观察随机博弈，其中局中人1有部分观察，局中人2有完美观察。我们研究的获胜条件是指定为宇称目标的ω-正则条件。给定一个部分观察随机博弈和一个奇偶目标的定性分析问题是，是否存在一个策略来确保目标以概率~1（分别为1和2）满足。正概率）。这些定性分析问题是已知的不可判定的。然而，在许多应用程序的相关问题是有限记忆策略的存在，和有限记忆策略下的定性分析问题最近被证明是可判定的2 EXPTIME。我们提高了复杂性，并表明，定性分析问题的部分观察随机奇偶游戏有限记忆策略下的EXPTIME-完全的，也建立了最佳的（指数）记忆边界所需的定性分析有限记忆策略。
2014-01-14 cs.GT cs.LO
Extending the El Farol Bar Game with Partial Observability and Incentive Design
Ionian University（伊奥尼亚大学）
将酒吧建模为具有 AI 学习能力的战略参与者，引入部分可观测性和动态定价，研究有限理性代理与自适应机构之间的协同进化协调过程。
2026-06-03 cs.GT
Toward a Classification of Finite Partial-Monitoring Games
部分监控博弈构成了不完美反馈的序列决策问题的数学框架：学习者重复选择一个动作，对手用一个结果回应，然后学习者遭受损失并接收反馈信号，这两者都是动作和结果的固定函数。学习者的目标是最小化他的总累积损失。我们对这些游戏的分类进展的基础上，他们的极大极小期望遗憾。也就是说，我们几乎所有的游戏有两个结果和有限数量的行动：我们表明，他们的极大极小预期遗憾是零，$\widetildeΘ(\sqrt{T})$，$Θ(T^{2/3})$，或$Θ(T)$，我们给这四类游戏一个简单而有效的可计算的分类。我们的希望是，结果可以作为一个垫脚石分类所有有限的部分监控游戏。
2011-10-11 cs.GT stat.ML
A differential game on Wasserstein space. Application to weak approachability with partial monitoring
研究一些离散时间动力学的连续时间对应物现在是一种标准的和富有成效的技术，因为一些性质在两种设置中都成立。在对策论中，这通常通过考虑欧几里得空间上的微分对策来实现。这允许推断属性上的重复游戏的值的收敛，以处理各种概念的可接近性等，在本文中，我们介绍了一个具体的，但相当抽象的微分对策定义的Wasserstein空间的概率分布，我们证明了它的价值的存在。回到离散时间动力学，我们得出的结果弱可接近部分监测：我们证明，任何一组满足适当的兼容性条件是弱可接近或弱可排除。我们还得到了具有非预期策略的微分对策的值与那些用一种新的策略概念定义的微分对策的值相同，这种新的策略概念非常适合于与重复对策联系起来。
2018-11-12 cs.GT math.OC
Partial-Information Q-Learning for General Two-Player Stochastic Games
本文分析了一般二人随机对策的部分信息Nash Q-学习算法。部分信息是指玩家不知道对方玩家的策略或行动的设置。我们证明了收敛的一般2人游戏的状态和行动，我们确认，限制策略实际上是一个全信息纳什均衡的部分知情的算法。在实现中，部分信息提供了简单性，因为它避免了在每个时间步计算纳什均衡。相比之下，全信息Q学习使用Lemke-Howson算法在每个时间步计算纳什均衡，这可能是一种有效的方法，但需要几个假设来证明收敛性，如果Lemke-Howson遇到退化，可能会有运行时错误。在模拟中，我们得到的部分信息的结果是可比的全信息Q学习和虚构的发挥。
2023-02-21 cs.GT math.OC
A Model for Partial Kantian Cooperation
在几种博弈情况下，参与者的行为可能不仅取决于个人兴趣，而且取决于每个参与者认为应该做的正确事情。本文提出了一个博弈论模型，旨在描述博弈情境中，参与者的行为受到伦理考虑的影响。特别是，我们假设它们部分地遵循康德的“绝对命令”。该模型适用于具有连续参与者的博弈。基本假设是，参与者认为自己属于虚拟（想象）群体，在这个群体中，他们会优化自己的行为，就好像他们注定要遵循同样的策略一样。然后引入了一个部分合作均衡，称为$r$ -纳什均衡.然后研究了$r$ -纳什均衡与Nash解、（Bentham-）Harsanyi解、Rawls差分解和Roemer解的关系.对于可能的参与者类型集有限的情形，证明了$r$ -纳什均衡存在唯一的充分条件，并利用一个变分不等式刻画了该均衡.对于连续型的情形，通过将其归结为一组最优控制问题，得到了刻画部分Kantian平衡点的必要条件. 最后给出了数值例子.
2018-07-15 cs.GT
Playing Games with your PET: Extending the Partial Exploration Tool to Stochastic Games
Lancaster University（兰开斯特大学）；Institute of Science and Technology Austria（奥地利科学技术研究所）
本研究推出PET 2.0版本，基于可靠值迭代统一框架新增随机博弈支持，覆盖三类目标的部分探索变体，实验证明其为随机博弈下最高效的部分探索算法，性能优于不可靠工具。
2024-05-13 cs.AI cs.GT cs.SY
Intention Games: Towards Strategic Coexistence between Partially Honest and Blind Players
竞争实体之间的战略互动通常被认为是从这些互动中获得的利益的完整揭示的角度来看，在公开的支付函数和/或信念的形式，在宣布的游戏。然而，在类似的竞争环境中，竞争对手之间存在着战略相互作用，在这种情况下，玩家可以选择在私人收益的可用性下制定战略。在这篇文章中，我们提出了一个正式的框架，竞争性的生态系统中，每个球员都被允许从公开的最优策略的某些私人收益大于宣布的收益，鉴于这些叛逃有一定的可接受的范围内，从长远来看，所有的球员同意。我们把这种博弈论的构造称为意图博弈。我们正式定义了一个意图游戏，并存在于这种相互作用，允许公开叛逃的参与者的均衡的概念。我们比较了意图游戏与传统的战略形式的游戏，并证明了类型理论的意图游戏的建设。在一个部分诚实的环境中，我们给出了古诺竞争、移动应用程序之间的安全交互、互联网服务提供商之间通过内容分发网络进行的互联网服务数据采购竞争以及比特币挖矿竞争的意图博弈实例。我们给出了一个使用意图游戏来确定玩家参与的密码协议。最后，我们证明了意图游戏框架的双重模型的可能性。
2020-02-11 cs.CR cs.GT
Mean-payoff Games with Partial Observation
均值支付博弈是开放反应系统的重要定量模型。它们被广泛研究为全观察的游戏。在本文中，我们调查的算法性能的几个子类的平均支付游戏中的球员有关于游戏状态的非对称信息。这些博弈一般是不可判定的，也不是根据经典定义确定的。我们表明，这样的游戏是决定下一个更一般的概念，赢得战略。我们还考虑了平均支付博弈，其中获胜者可以由有限周期形成博弈的获胜者确定。这就产生了几类可判定的非对称信息的平均收益博弈，它们只需要有限记忆策略，包括位置策略就足够的全观察博弈的推广。我们给出了一个指数时间算法来确定后者的赢家。
2017-10-08 cs.FL cs.GT cs.LO
Games with a Weak Adversary
我们考虑了具有部分观察和奇偶目标的多人图博弈。虽然决策问题的第一和第二个球员对第三个球员的联盟的三人游戏是不可判定的，我们提出了一个可判定性的结果部分观察游戏的第一和第三个球员是在一个联盟对第二个球员，因此，第二个球员是敌对的，但由于部分观察较弱。我们建立严格的复杂性界限的情况下，球员1是不太知情的球员2，即2-EXPTIME完全奇偶校验目标。对称的情况下，玩家1比玩家2更了解是更加复杂的，我们表明，已经在玩家1有完美的观察的情况下，内存的大小非小学一般是必要的可达性目标，和安全和可达性目标的问题是可判定的。我们的研究结果与部分观察随机游戏，我们得到新的复杂性结果有紧密的联系。
2014-04-22 cs.GT cs.LO
Probability Distributions on Partially Ordered Sets and Network Interdiction Games
本文提出了以下问题：是否存在一个概率分布的子集的有限偏序集（偏序集），使一组约束，涉及边际概率的偏序集的元素和最大链是满意的？我们提出了一个组合算法，积极解决这个问题。在最大链概率是其元素的仿射函数的特殊情况下，该算法可以在多项式时间内实现。这个问题的存在性是相关的均衡特性的一般战略阻断游戏的容量限制流网络。这个博弈涉及一个路由实体，它通过网络发送它的流，同时面临路径运输成本，以及一个拦截器，它同时拦截一个或多个边，同时面临边拦截成本。利用我们的存在性结果偏序集和严格互补松弛线性规划，我们表明，这个游戏的纳什均衡可以充分描述使用原始和对偶解决方案的最小成本的流通问题。我们的分析提供了一个新的表征的关键组成部分的阻断游戏。它还导致了一个多项式时间的平衡计算方法。
2020-08-26 cs.GT math.OC
Surprising strategies obtained by stochastic optimization in partially observable games
本文研究了不完全信息下可能随机二人零和对策的策略优化问题。我们比较了5个算法的调整参数的策略超过基准的12场比赛。第一种进化方法包括设计一个高度随机化的对手（称为天真对手），并针对它优化参数策略;第二种方法是迭代优化策略，即从天真策略开始构建一系列策略。两个版本的共同进化，真正的和近似的，也测试以及种子方法。协同进化方法表现良好，但结果并不稳定，从一个游戏到另一个。尽管简单，但种子方法可以被视为共同进化的极端版本，即使在其他方法都不起作用的情况下也有效。顺便说一句，这些方法为一些游戏带来了一些意想不到的策略，例如Batawaf或战争游戏，乍一看，这似乎是纯粹的随机游戏，没有任何结构化的行动，玩家或猜猜谁，其中角色之间的二分法似乎是最合理的策略。游戏的所有源代码都是用Matlab/Octave编写的，可以免费下载。
2018-07-05 cs.GT math.OC
Imprecise Probabilities Meet Partial Observability: Game Semantics for Robust POMDPs
Radboud University（拉德堡德大学）；Ruhr-University Bochum（波鸿鲁尔大学）
本文扩展了鲁棒POMDPs的理论理解，证明不确定性集的不同假设会影响最优策略和值，并提出其具有部分可观测随机博弈（POSG）语义，进而证明纳什均衡的存在性，同时对现有文献进行了分类。
2024-07-29 cs.AI cs.GT
Generalized Multi-cluster Game under Partial-decision Information with Applications to Management of Energy Internet
许多工程网络的决策和管理涉及到多方利益冲突，而每一方又由多个Agent组成。这样的问题可以看作是一个多簇博弈。每个集群被视为一个自利的球员在非合作博弈中，在同一集群的代理合作，以优化集群的支付功能。在大规模网络中，簇内Agent的信息不能立即为簇外Agent所用，这对现有的纳什均衡搜索算法提出了挑战。因此，我们考虑部分决策信息的情况下，在广义纳什均衡寻求多集群游戏在一个分布式的方式。利用原对偶分析和图拉普拉斯矩阵，将问题转化为求预条件单调算子和的零点。在此基础上，提出了一种基于前向-后向-前向的分布式广义纳什均衡搜索算法，该算法无需完全了解对手簇的决策。在该算法中，每个代理通过无向网络与邻居进行通信，估计所有其他聚类的策略。我们证明了当通信强度参数足够大时，导出的算子可以是单调的。利用不动点理论证明了算法的收敛性，给出了一个充分条件.通过数值计算，讨论了该模型在能源互联网中的应用前景.
2022-05-24 cs.GT math.OC
Phased Exploration with Greedy Exploitation in Stochastic Combinatorial Partial Monitoring Games
University of Michigan（密歇根大学）
部分监控游戏是重复的游戏，学习者收到的反馈可能不同于对手的行动，甚至是学习者获得的奖励。最近，提出了一种组合部分监控（CPM）游戏的一般模型\cite{lincombinatorial2014}，其中学习者的动作空间可以是指数级的大，对手的样本从一个有界的，连续的空间，根据一个固定的分布。本文给出了一种基于置信限的算法（GCB），该算法可以得到$O(T^{2/3}\log T)$分布无关和$O(\log T)$分布相关的后悔限.他们的算法的实现依赖于两个独立的离线预言机，并且依赖于分布的后悔还需要存在唯一的最优动作。采用他们的CPM模型，我们的第一个贡献是一个阶段性探索与贪婪剥削（PEGE）算法框架的问题。该框架中的不同算法分别实现了$O(T^{2/3}\sqrt{\log T})$分布无关后悔和$O(\log^2 T)$分布相关后悔。最重要的是，我们的框架只需要简单的“argmax”神谕从GCB和分布相关的遗憾不需要存在一个唯一的最佳行动。我们的第二个贡献是另一种算法，PEGE 2，它结合了差距估计与PEGE算法，以实现$O(\log T)$遗憾界，匹配的GCB保证，但消除了对学习者的动作空间的大小的依赖。然而，像GCB一样，PEGE2需要访问离线预言机和存在唯一的最佳动作。最后，我们讨论了我们的算法可以有效地应用到CPM问题的实际利益：即，在顶部的反馈在线排名。
2016-08-23 cs.AI cs.GT
Online Competitive Information Gathering for Partially Observable Trajectory Games
Vanderbilt University（范德比大学）
本文针对部分可观测随机博弈中连续规划难处理的问题，提出一种基于粒子估计与随机梯度博弈的在线轨迹规划方法，在追逃和仓库场景中验证其能实现主动信息收集并优于被动方法。
2025-06-02 cs.AI cs.GT cs.MA
MPOGames: Efficient Multimodal Partially Observable Dynamic Games
Georgia Institute of Technology（佐治亚理工学院）；Toyota Research Institute（丰田研究院）
提出MPOGames方法，将动态博弈重构为POMDP以高效求解MaxEnt博弈并捕捉多局部纳什均衡交互，解决多智能体意图不确定性问题，经案例与硬件实验验证了有效性与实时性。
2023-05-23 cs.GT cs.RO math.OC
An Approach to Partial Observability in Games: Learning to Both Act and Observe
Naval Center for Applied Research in A.I.（海军应用人工智能中心）；U.S. Naval Research Laboratory（美国海军研究实验室）；Oberlin College（欧柏林学院）
强化学习（RL）在学习玩整个环境可见的游戏方面是成功的。然而，强化学习方法在像星际争霸II这样的复杂游戏和整个环境不可见的现实世界环境中受到挑战。在这些视觉信息更有限的更复杂的游戏中，智能体必须选择看哪里以及如何最佳地使用他们有限的视觉信息，以便在游戏中取得成功。我们验证了一个相对简单的模型，代理可以学习在有限的视觉带宽的情况下看哪里。我们开发了一种方法，用于在Atari游戏中掩蔽部分环境，以迫使RL代理学习在哪里看以及如何玩游戏，以便研究RL代理学习在哪里看。此外，我们开发了一个神经网络的架构和方法，让代理选择在哪里看，采取什么行动，在乒乓球比赛。此外，我们分析了代理学习的策略，以更好地理解RL代理如何学习玩游戏。
2021-08-11 cs.AI cs.CV cs.GT
Concurrent Games with Multiple Topologies
具有$ω$的并发多玩家游戏-常规目标是由多个交互组件组成的系统的标准模型，每个组件都有自己的目标。这类博弈的标准解概念是纳什均衡，即参与者的“稳定”策略。在许多设置中，系统不能被交互组件完全观察到，例如，由于内部变量。然后，互动模型的部分信息博弈。不幸的是，部分信息博弈是否有NE的问题是不知道是可判定的。当系统为进程分配了ID，但进程不知道这些ID时，自然会出现部分信息的特定设置。然后，进程具有关于系统状态的全部信息，但不确定它们的动作对转换的影响。我们概括了上面的设置，并介绍多拓扑游戏（MTG）-并发游戏与几种可能的拓扑结构，其中的球员不知道哪种拓扑结构是实际使用的。我们表明，扩展NE的概念，这些游戏可以采取几种形式。为此，我们提出了两个概念的NE：保守NE，其中一个球员偏离，如果她可以严格添加拓扑结构，她的胜利集，和贪婪NE，她偏离，如果她可以赢得一个以前失去的拓扑结构。我们研究这些NE的性质，并表明，一个游戏是否承认他们的问题是可判定的。
2022-09-27 cs.FL cs.GT
Convergence in a Repeated Non-atomic Routing Game with Partial Signaling
我们研究了以下重复的非原子路由博弈。在每一轮中，自然选择一个独立同分布的状态。根据公知的分布的方式，其影响链路延迟函数。系统规划者根据公知的信令策略向参与代理提出私人路由建议，这些代理构成固定的分数。参与的智能体根据参与的智能体群体在上一轮中的累积后悔来选择服从或不服从推荐。非参与的代理选择路线根据近视最佳反应的参与代理的路由决策的校准预测。我们表明，对于并行网络，如果规划者的信号策略满足服从条件，那么，几乎可以肯定，链路流是渐近一致的贝叶斯相关均衡诱导的信号策略。
2022-07-23 cs.GT cs.SY eess.SY
No Internal Regret via Neighborhood Watch
University of Pennsylvania（宾夕法尼亚大学）
我们提出了一个算法，达到O（\sqrt{T}）的内部（因此外部）遗憾有限游戏的局部可观测性条件下的部分监测。最近，这个条件已经被（Bartok，Zynga，and Szepesvari，2011）证明了，对于部分监控博弈，相对于i.i.d.，它意味着O（\sqrt{T}）的速度。对手，作者强调，同样适用于非随机对手。我们的结果是肯定的，它完成了对有限部分监控博弈的可能速率的表征，这是Cesa Bianchi，Lugosi和Stoltz，2006年提出的一个开放性问题。我们的遗憾保证也适用于更一般的随机信号部分监控模型。
2011-08-30 cs.GT cs.LG
A probabilistic-numerical approximation for an obstacle problem arising in game theory
研究了两人零和随机微分对策，其中一人比对手拥有更多的信息。我们展示了如何构造这个博弈的价值函数的数值格式，它由一个带障碍的拟线性偏微分方程的解给出。
2011-11-16 cs.GT math.PR
Calibration and Internal no-Regret with Partial Monitoring
Université Pierre et Marie Curie - Paris 6（巴黎第六大学（皮埃尔和玛丽·居里大学））；CNRS（法国国家科学研究中心）
通过在辅助博弈中执行没有内部后悔的策略，可以得到校准策略。这样的策略可以在另一个辅助博弈中使用布莱克威尔的可接近性定理来明确地构造。我们建立了相反的：一个策略，接近凸$B$ -集可以来自一个校准的策略的建设。我们开发这些工具的框架中的游戏与部分监控，玩家不观察他们的对手的行动，但接收随机信号，定义一个概念的内部遗憾和构建战略，没有这样的遗憾。
2010-06-09 cs.GT cs.LG stat.ML
Local Convergence of Gradient Methods for Min-Max Games: Partial Curvature Generically Suffices
Institute of Mathematics（数学研究所）；École polytechnique fédérale de Lausanne（洛桑联邦理工学院）
本文研究双人零和可微博弈梯度方法的局部收敛性，证明部分曲率结合反对称部分特征向量的一般位置即可保证收敛，且收敛速率依赖S特征值均值，还验证了带曲率的过参数化方法在混合均衡计算中收敛更快。
2023-11-07 cs.GT cs.LG math.OC
Generalized Individual Q-learning for Polymatrix Games with Partial Observations
本文提出广义个体Q学习，融合信念与收益学习，在部分观测多矩阵博弈中实现更快收敛到分位数响应均衡，并统一了光滑虚拟博弈与个体Q学习。
2024-09-04 cs.GT cs.SY eess.SY
Partial Altruism is Worse than Complete Selfishness in Nonatomic Congestion Games
我们寻求理解人类和机器之间基础设施规模交互的基本数学，特别是当机器的预期目的是影响和优化人类的行为时。为此，本文研究了非原子网络拥塞游戏中可能出现的最坏情况拥塞，当一小部分流量是完全利他的（例如，仁慈的自动驾驶汽车）而其余的是完全自私的（例如，人类通勤者）。我们研究的最坏情况下的危害利他主义在这种情况下的反常指数，或最坏情况下的均衡拥塞成本的存在下，利他主义的交通，相对于拥塞成本，如果所有的交通都是自私的。我们推导出一个紧界的反常指数的类串并联网络拥塞游戏凸延迟函数，并显示三个事实：第一，利他主义的危害是最大化时，正好有一半的流量是利他主义的，但它优雅地消失时，利他主义流量的分数接近0或1。其次，我们表明，利他主义的危害是线性增加的网络延迟函数的“陡度”的自然措施。最后，我们表明，对于任何非平凡的部分利他主义的流量，利他主义的危害超过了无政府状态的无政府代价与所有自私的流量：在某种意义上，部分利他主义比完全自私。
2020-07-10 cs.GT cs.SY eess.SY
